概念

自編碼器（Autoencoder）是一種神經網絡架構，用于無監督學習和數據的降維表示。它由兩部分組成：編碼器（Encoder）和解碼器（Decoder）。

結構：

1. 編碼器（Encoder）： 接收輸入數據并將其壓縮為潛在表示（latent representation），通常比輸入數據的維度要低。編碼器的任務是學習提取輸入數據的有效特征。
2. 解碼器（Decoder）： 接收編碼器生成的潛在表示，并嘗試將其解碼為原始的輸入數據。解碼器的目標是重構盡可能接近輸入數據的輸出。

工作原理：

1. 訓練階段： 自編碼器通過最小化輸入數據與重構數據之間的差異來學習。它嘗試最小化重建誤差（reconstruction error）。
2. 特征提取： 編碼器學習了數據的緊湊表示形式，可以用作特征提取器，有助于數據的降維、去噪或其他任務。

類型：

1. 標準自編碼器（Vanilla Autoencoder）： 最簡單的形式，編碼器和解碼器通常是對稱的全連接層。